基于NLPCA的聚类可视化方法

为了将高维输入空间的数据映射到低维空间,利用可视化技术探测数据的固有特性,提出了用非线性主成分分析（NLPCA:NonLinear Principal Component Analysis）和自组织映射网络相结合的方法对生物信息学中基因表达数据进行聚类可视化分析。实验结果表明,该方法有较高的分类正确率,用于基因表达数据的聚类分析是行之有效的。     

采用SOM-BMU距离度量的异常检测方法

提出了一种基于SOM-BMU距离度量的网络异常检测方法,该方法通过t分布,构建了被测样本到BMU距离的置信区间,当被检测样本与BMU之间的距离不在该置信区间内时,认定网络异常发生.此外,为了提高该方法的自适应性,引入了滑动窗口的操作.实验阶段,对比了基于OC-SVM的网络异常检测方法.实验表明,该方法具有较高检测率、低误报率和自适应性的特点.     

基于谱聚类算法的信息资产行为异常检测方法

在信息安全领域中,对信息资产的异常行为检测是相对困难的问题,特别是在无标记的数据集中定位某些未知的异常行为,这要求能充分找出历史数据中可以作为信息资产行为基线之内容,从而形成可靠的参照基准,并基于此对数据进行归纳和比对,分析可能存在的未知威胁.该文利用机器学习中的谱聚类算法分析相关信息资产的历史网络通信数据,基于相似性...     

基于密度聚类算法的异常检测

聚类算法通常用于数据的聚类,但只要对算法结果从另一角度进行分析,则可发现它还可以用于异常数据的检测. 首先介绍了数据挖掘中的聚类算法,进而结合具体实例给出应用基于密度的聚类算法DBSCAN进行异常检测的过程,最后指出最终异常数据集的确定还应结合领域专家意见.     

基于聚类和LOF算法的异常数据检测方法

聚类可用于异常检测,但其检查结果往往是不精准的.首先通过聚类算法DBSCAN对数据进行异常分析,然后再利用LOF算法对检出的异常数据进行异常程度的分析,最终得出异常数据集.     

基于自组织特征映射聚类的协同过滤推荐算法

个性化推荐系统是电子商务系统的一个重要研究内容,计算顾客之间的相似性或顾客聚类是产生良好推荐的关键．通过分析个性化推荐的应用特征,即顾客评分数据稀疏及其影响；在开放的电子商务环境中,新顾客不断加入和顾客偏好的迁移,使顾客簇不断发生变化,提出了一种基于自组织特征映射聚类的协同过滤推荐算法,对高堆稀疏的样本进行动态聚类．它具有下列特点：①在自组织特征映射聚类中,引入抑制函数,使其能够适应顾客评分数据的稀疏性；②设置神经元的分裂和合并过程,使其能够满足顾客聚类的动态变化．通过实验分析,表明该算法能够适应顾客评分数据稀疏和顾客聚类的动态变化特征,从而提高推荐质量．     

基于改进密度聚类的异常检测算法

提出一种基于改进密度聚类的异常检测算法(ADIDC), 通过在各特征列上分别进行密度聚类, 并根据各特征对正常轮廓的支持度进行特征加权, 解决了聚类分析方法在异常检测应用中误报率较高的问题. 通过大量基于异常检测数据集 KDD Cup 1999的实验表明, 其相对于传统异常检测方法在保证较高检测率的前提下, 有效地降低了误报率, 对某些与正常行为相近的特殊攻击检测率明显提高. 同时利用特征权值进行特征筛选提高了其检测性能和效率, 更适应实时检测要求.     

卫星云图云检测的一种综合优化方法

为了提高云检测过程的自动化程度和云检测精度,利用FY2C、MTSAT等卫星资料以及其他辅助资料,综合采用优化的ISCCP法、多通道阈值法、空间纹理法等,找到了卫星云图云检测的一种综合优化方法,经过近两年的实际研究和业务化应用,判云的准确率达到90%以上,并得出以下结论:(1)优化的ISCCP法在云检测中的贡献最大,消除了由于地表差异带来的阈值选取困难;(2)红外、可见光合成底图对于中高云检测较有效,而红外与近红外的差值合成底图,无论对白天还是夜间的低云检测都有较好的效果;(3)空间纹理方法对海上积云的检测效果较好;(4)对于洋面上的中高云应用基于气候SST数据的阈值方法可得到较好效果;(5)严格的多通道阈值方法,可以起到有效的补充作用。     

基于多种群共生进化的RFID网络优化

在RFID(radio frequency identification)网络实际大规模部署与应用方面,如何有效地进行RFID网络规划,使网络资源得到优化分配,在保证高读取率和网络负载平衡的前提下,减少读写器冲突,提高标签读取率是决定RFID系统服务质量的关键问题.分析了RFID网络规划和RFID网络环境下的读写器防冲突问题,对两类问题分别建立了相应的数学优化模型.基于生态系统中的不同物种间的互利共生现象,提出了一种多种群共生进化优化算法SMSO(symbiotic multi-species optimization).试验结果表明,将该算法应用于RFID网络规划与防冲突问题,体现了进化的多样性和多层次性,在寻优能力、收敛速度以及克服早熟收敛等方面均具有很好的性能.     

测井岩性的非线性动态辨识新方法及应用

由于岩性测井曲线分布具有模糊性,在对岩性进行划分时会出现较大的困难.为了准确分析测井响应曲线,将逃逸微粒群算法与Elman反馈神经网络进行有机结合,形成了EPSO-NN混合算法,并构建了基于"EPSO-NN"的非线性动态识别系统,用于测井岩性的自适应识别.工程实例结果表明,该系统在岩性识别上是可行的、有效的,同样也完全可以用于岩相、沉积微相识别、矿床预测及矿物岩石分类地质方面的研究.     

基于PSTN网关的家庭网络远程控制实现方法

为了利用公众电话网实现对信息家电的远程控制,介绍了家庭网络中一种蓝牙公众电话网(PSTN)网关的实现方法,提出了一种无须PC机和利用已有网络对家庭网络内信息家电进行远程控制的解决方案.简单介绍了家庭网络及其主要技术,重点介绍了家庭网络中嵌入式蓝牙PSTN网关的功能、实现方法以及为提高性能所做的改进方案,进行了功能测试并给出了性能结果评价.利用研制的PSTN网关实现了对春兰集团公司提供的洗衣机、空调等多个家电设备的远程控制并通过了功能验证.功能测试表明,该系统达到了设计初期的各项要求.     

OFDM信号的相关比软合作检测

多用户合作检测是认知无线电用户用来提高对基本用户检测能力的重要手段。为了提高相关比检测在低信噪比下的检测性能,提出了一种基于相关比检测的软合作检测方法,该方法能够有效地检测出OFDM类型的基本信号。分析和仿真结果表明,这种方法不仅继承了相关比检测的恒虚警特性,而且检测性能大大提高,对噪声的鲁棒性也更强了。与能量检测的比较显示,该方法能够在不增加复杂度的情况下,在更低信噪比条件下工作,对噪声特性没有要求,非常适合应用于认知无线电技术。     

基于AMCNN-LSTM的电力无线接入专网异常流量检测

为了减轻电力无线专网系统因网络业务增多而带来的网络攻击以及异常流量入侵的安全事故隐患,提出了一种基于注意力机制的卷积-长短期记忆网络(convolution-long short-term memory network based on attention mecha-nism,AMCNN-LSTM)模型.该模型为避免序列特征稀疏分布的问题,采用卷积神经网络(convolutional neural net-work,CNN)提取时间序列数据特征并转化为维度固定的稠密向量;为防止记忆丢失和梯度分散问题,使用融合注意力机制的CNN单元来捕捉重要的时间序列细粒度特征;将CNN提取局部特征与长短期记忆网络(long short-term memory network,LSTM)提取序列特征的优势相结合,对电力接入专网流量数据进行异常检测.通过在电力网真实数据集上实验表明,基于注意力机制的算法能够在150轮次迭代下达到89.14％的召回率及89.67％的综合F-meas-ure得分.所提出的模型能够及时、准确地检测电力网络异常流量,有效提高检测效率及准确度.     

一种基于多分类器协同训练的网络异常检测方法

基于机器学习的网络异常检测方法是入侵检测领域的重要研究内容.传统的机器学习方法需要大量的已标记样本对分类器进行训练,然而已标记样本通常较难获取,导致分类器训练困难;此外单分类器训练面临难以消除的分类偏向性和检测孔洞.针对上述问题,本文提出了一种基于多分类器协同训练的异常检测方法MCAD,该方法利用少量的已标记样本和大量的未标记样本对多个分类器进行协同训练,以减少分类的偏向性和检测孔洞.对比实验采用经典的网络异常检测数据集KDD CUP99对MCAD的异常检测性能进行验证。实验结果表明,MCAD有效地降低了检测器训练代价,提高了网络异常检测性能.     

一种基于滤波器组的快速自适应频域均衡方法

针对宽带地空通信中多径时延较大和信道时变的特点,提出了基于滤波器组频域均衡FB-FDE(filter banks for frequency domain equalization)的高速数据通信系统方案,并对其中所用的RLS(recursive least squares)自适应算法进行了有效的改进.不仅显著地加快了收敛速度,而且大幅度降低了计算复杂度.分析比较了FB-FDE和基于循环前缀的单载波频域均衡SC-FDE(single carrier-frequency domain equalization)两种抗多径衰落技术的主要性能特点,发现在信道利用率和信道时变的适应能力方面,前者都明显优于后者.理论分析和仿真试验均验证了该方案的可行性及其关键技术的正确性和有效性.     

基于网络计划法的战场工程保障兵力分配模型

为解决战场工程保障时效性和兵力不足等难点,提出了一种兵力分配的建模方法,目的在于提供计算机兵力生成的算法基础.即采用网络计划分析方法,描述战场工程保障作业项目及其特征要求,确立兵力流在网络中的平衡与约束准则,据此构建基于"时间-兵力-闲置"优化的兵力分配模型;挖掘工程保障作业工序兵力需求呈现的"区间数""关键线路"的时间约束特征,给出了一种求解模型的网络迭代算法.该模型反映了战场工程保障任务的动态化特征与深层逻辑联系,是对工程保障多目标的控制与资源均衡优化.     

一种基于AC-RBF神经网络的网络安全态势预测方法

为了准确地把握网络安全发展态势,提出了一种基于自适应聚类径向基函数(adaptive clustering radical basis function,AC-RBF)神经网络的网络安全态势预测(network security situation prediction, NSSP)方法?该方法对网络安全态势样本自适应聚类,获得了神经网络隐层节点数,采用梯度下降法训练神经网络,寻找网络安全态势样本之间的非线性映射关系,利用该关系对未来时刻网络安全态势进行了预测? 仿真实验表明,相对于 K-均值 RBF 神经网络及支持向量机(support vector machine,SVM)预测模型,该方法在神经网络规模较小的情况下,不仅能够反映网络安全态势的总体趋势,而且还提高了预测精度,能够提供给网络安全管理员一个直观的网络安全态势图 ?